基于变权重变异鸽群优化的无人机空中加油自抗扰控制器设计

针对空中加油过程中的受油机模型建模误差和强扰动以及自抗扰控制器(ADRC)人工参数整定难的问题,提出了一种基于变权重变异鸽群优化(VWMPIO)算法的无人机自抗扰控制器优化算法。首先,给出了六自由度无人机(UAV)模型,基于自抗扰控制结构设计了一种受油机的姿态控制器,在此基础上用所提出的变权重变异鸽群优化算法整定了自抗扰控制器参数。随后,将变权重变异鸽群优化与其他基本鸽群优化算法、粒子群优化算法进行了实验对比,并从控制性能和抗噪声性能的角度对自抗扰控制器和传统的比例-微分-积分(PID)控制器进行了仿真对比。实验结果表明所提算法能提高复杂态势环境下无人机空中加油的控制精度和扰动抑制性能。

基于GPIO的永磁同步电机模型预测转矩控制

在永磁同步电机模型预测转矩控制(model predictive torque control,MPTC)中,由于目标函数控制变量的量纲不同,为了在代价函数中选取最优的权重系数,提出一种改进高斯变异鸽群算法(Gaussian mutation pigeon-inspired optimization algorithm,GPIO)实现权重系数自整定。首先,基于代价函数最小化原则设计PIO的目标函数,用电流id、iq脉动误差均方根评价权重系数。其次,在传统高斯变异算子的基础上引入自适应调整动态参数实现变异。仿真和实验结果表明,将改进后的算法应用于永磁同步电机模型预测转矩系统,能在较少的迭代次数内整定出最优的权重系数,极大地降低了转矩误差和电流谐波畸变率。

基于3D打印的船载无人机参数化设计

以降低船载无人机重量,提升船载无人机力学性能为目的,设计基于3D打印的船载无人机参数化设计方法。通过面向3D打印的SolidWorks软件建立以船载无人机结构柔度最小为目标,以体积、梯度等为约束条件的船载无人机参数确定模型;利用变权重变异鸽群优化算法,求解该模型,确定最小结构柔度对应的船载无人机参数;依据确定的参数,建立船载无人机的三维模型,并导入3D打印软件内;3D打印技术以分层处理的方式,完成船载无人机参数化设计。实践证明,该方法可有效确定船载无人机参数,建立船载无人机三维模型,有效完成船载无人机参数化设计。该方法设计的船载无人机最大应力较大,符合无人机结构刚度与强度等力学性能需求。